การใช้งาน K-NN Algorithm ในภาษา VBA แบบง่ายๆ พร้อมตัวอย่าง CODE และอธิบายการทำงาน

K-NN หรือ K-Nearest Neighbors เป็นหนึ่งในอัลกอริธึมการเรียนรู้ของเครื่องที่ง่ายและมีประสิทธิภาพในการจัดประเภทข้อมูล ยิ่งไปกว่านั้น K-NN ยังสามารถนำไปใช้ในหลายบริบทของการเรียนรู้ของเครื่อง เช่น การแบ่งประเภทข้อมูล (Classification) และการทำนายค่า (Regression)

ในบทความนี้เราจะมาทำความรู้จักกับ K-NN ในรูปแบบที่เข้าใจง่าย โดยใช้การเขียนโปรแกรมในภาษา VBA (Visual Basic for Applications) ซึ่งเป็นภาษาโปรแกรมที่ใช้กันอย่างแพร่หลาย โดยเฉพาะในกลุ่ม Microsoft Office เช่น Excel

K-NN Algorithm ทำงานอย่างไร?

K-NN ทำงานโดยการคำนวณระยะห่างระหว่างข้อมูลที่ไม่ทราบประเภท (Unlabeled Data) และข้อมูลที่มีประเภท (Labeled Data) วิธีการคำนวณระยะห่างที่นิยมใช้มีหลายวิธี เช่น Euclidean distance หนึ่งในสูตรที่ใช้หาค่าระยะห่างระหว่างจุดสองจุด (x1, y1) และ (x2, y2) คือ:

\[ d = \sqrt{(x2 - x1)^2 + (y2 - y1)^2} \]

เมื่อเราคำนวณระยะห่างทั้งหมดระหว่างข้อมูลที่ไม่ทราบประเภทและข้อมูลที่มีประเภทแล้ว เราสามารถเลือก K จุดที่ใกล้ที่สุด (Nearest Neighbors) และทำการจัดประเภทให้กับข้อมูลใหม่ โดยการดูว่าจำนวนที่สุด (Majority Vote) ในกลุ่ม K จุดนั้นเป็นประเภทใด

การกำหนดค่า K

การเลือกค่าของ K เป็นเรื่องสำคัญมาก ถ้าค่านี้เล็กเกินไป อาจทำให้เกิด Overfitting ขณะที่ถ้าค่ามากเกินไปอาจทำให้เกิด Underfitting ค่าที่เหมาะสมที่สุดจึงมักต้องมีการหาทดลองเพื่อให้ได้ผลลัพธ์ที่ดีที่สุด

ตัวอย่างการใช้งาน K-NN ใน VBA

เรามาดูตัวอย่างการทำงานของ K-NN ด้วยภาษา VBA กันครับ ในตัวอย่างนี้เราจะสร้างเวิร์คชีตใน Excel ที่เราจะใช้ในการจัดประเภทข้อมูลง่ายๆ โดยจะใช้ข้อมูลที่มีอยู่จริง เช่น ข้อมูลพืชผล (Fruits) ว่าจะแบ่งประเภทเป็น "ส้ม" หรือ "แอปเปิ้ล"

1. สร้างข้อมูล

เราจะสร้างข้อมูลใน Excel โดยให้มี 4 คอลัมน์ ได้แก่:

| สี | ขนาด | น้ำหนัก | ประเภท |

|-------|-------|---------|------------|

| เหลือง | 5 | 150 | ส้ม |

| แดง | 4 | 120 | แอปเปิ้ล |

| เหลือง | 6 | 160 | ส้ม |

| แดง | 3 | 90 | แอปเปิ้ล |

2. เขียนโค้ด VBA

ไปที่แท็บ `Developer` ใน Excel แล้วคลิก `Visual Basic` จากนั้นสร้าง Module ใหม่และใส่โค้ดต่อไปนี้:

 Option Explicit

Function EuclideanDistance(point1 As Variant, point2 As Variant) As Double
    Dim sum As Double
    Dim i As Integer

    For i = LBound(point1) To UBound(point1)
        sum = sum + (point1(i) - point2(i)) ^ 2
    Next i

    EuclideanDistance = Sqr(sum)
End Function

Sub KNN()
    Dim DataSet As Variant
    DataSet = Sheet1.Range("A2:D5").Value ' ระบุตำแหน่งข้อมูล

    Dim NewPoint(1 To 3) As Variant
    NewPoint(1) = Application.InputBox("กรุณากรอกสี (1-แดง, 2-เหลือง)", Type:=1)
    NewPoint(2) = Application.InputBox("กรุณากรอกขนาด (1-10)", Type:=1)
    NewPoint(3) = Application.InputBox("กรุณากรอกน้ำหนัก (1-300)", Type:=1)

    Dim i As Integer
    Dim distances() As Double
    ReDim distances(1 To UBound(DataSet, 1))

    For i = 1 To UBound(DataSet, 1)
        distances(i) = EuclideanDistance(NewPoint, Application.Index(DataSet, i, 1, 2))
    Next i

    Dim k As Integer: k = 3
    Dim j As Integer
    Dim neighborCount As Collection
    Set neighborCount = New Collection

    ' หาจุดใกล้เคียง
    For j = 1 To k
        Dim minIndex As Integer: minIndex = WorksheetFunction.Match(Application.Min(distances), distances, 0)
        On Error Resume Next
        neighborCount.Add DataSet(minIndex, 4) ' ประเภท
        On Error GoTo 0
        distances(minIndex) = WorksheetFunction.Max(distances) + 1 ' ลบจุดนั้นออก
    Next j

    Dim fruit As String
    fruit = MostFrequent(neighborCount)

    MsgBox "ผลลัพธ์: " & fruit
End Sub

Function MostFrequent(items As Collection) As String
    Dim dict As Object
    Set dict = CreateObject("Scripting.Dictionary")

    Dim item As Variant
    For Each item In items
        If dict.Exists(item) Then
            dict(item) = dict(item) + 1
        Else
            dict.Add item, 1
        End If
    Next

    Dim maxCount As Integer: maxCount = 0
    Dim result As String
    Dim key As Variant
    For Each key In dict.Keys
        If dict(key) > maxCount Then
            maxCount = dict(key)
            result = key
        End If
    Next

    MostFrequent = result
End Function

3. อธิบายโค้ด

4. ยูสเคสในโลกจริง

K-NN สามารถนำไปใช้ในหลายบริบท เช่น:

สรุป

K-NN เป็นอัลกอริธึมที่ง่ายและเข้าใจได้ในวงการของการเรียนรู้ของเครื่อง ในการเรียนรู้ K-NN จะไม่เพียงแต่ทำให้คุณเข้าใจการจัดประเภทข้อมูล แต่จะช่วยให้คุณมีทักษะในการวิเคราะห์ข้อมูลที่มีคุณภาพ

หากคุณสนใจที่จะเรียนรู้การเขียนโปรแกรมและการประยุกต์ใช้ K-NN หรือการเรียนรู้ของเครื่องในทางปฏิบัติ ขอเชิญชวนให้มาศึกษาที่ EPT (Expert-Programming-Tutor) ซึ่งเราให้ความรู้และทักษะที่คุณต้องการอย่างมีคุณภาพและสนุกสนาน!

เริ่มต้นการเรียนรู้ได้เลยที่ EPT!

หมายเหตุ: ข้อมูลในบทความนี้อาจจะผิด โปรดตรวจสอบความถูกต้องของบทความอีกครั้งหนึ่ง บทความนี้ไม่สามารถนำไปใช้อ้างอิงใด ๆ ได้ ทาง EPT ไม่ขอยืนยันความถูกต้อง และไม่ขอรับผิดชอบต่อความเสียหายใดที่เกิดจากบทความชุดนี้ทั้งทางทรัพย์สิน ร่างกาย หรือจิตใจของผู้อ่านและผู้เกี่ยวข้อง